华南理工大学学报(自然科学版) ›› 2014, Vol. 42 ›› Issue (1): 72-76,83.doi: 10.3969/j.issn.1000-565X.2014.01.013

• 电子、通信与自动控制 • 上一篇    下一篇

基于 CNN 和随机弹性形变的相似手写汉字识别

高学 王有旺   

  1. 华南理工大学 电子与信息学院,广东 广州 510640
  • 收稿日期:2013-06-15 修回日期:2013-09-29 出版日期:2014-01-25 发布日期:2013-12-01
  • 通信作者: 高学(1967-),男,博士,副教授,主要从事图像处理、模式识别与智能信息处理、手写汉字识别研究. E-mail:xuegao@scut.edu.cn
  • 作者简介:高学(1967-),男,博士,副教授,主要从事图像处理、模式识别与智能信息处理、手写汉字识别研究.
  • 基金资助:

    国家自然科学基金资助项目(61271314);国家科技支撑计划项目(2013BAH65F01 -2013BAH65F04)

Recognition of Similar Handwritten Chinese Characters Based on CNN and Random Elastic Deformation

Gao Xue Wang You- wang   

  1. School of Electronic and Information Engineering,South China University of Technology,Guangzhou 510640,Guangdong,China
  • Received:2013-06-15 Revised:2013-09-29 Online:2014-01-25 Published:2013-12-01
  • Contact: 高学(1967-),男,博士,副教授,主要从事图像处理、模式识别与智能信息处理、手写汉字识别研究. E-mail:xuegao@scut.edu.cn
  • About author:高学(1967-),男,博士,副教授,主要从事图像处理、模式识别与智能信息处理、手写汉字识别研究.
  • Supported by:

    国家自然科学基金资助项目(61271314);国家科技支撑计划项目(2013BAH65F01 -2013BAH65F04)

摘要: 针对手写汉字中相似汉字的识别问题,构建了一种卷积神经网络( CNN) 模型,并给出了其网络拓扑结构,通过随机弹性形变对样本集进行扩展,以提高模型的泛化性能.相似手写汉字的识别实验结果表明: 相对于常规的 CNN 模型,文中 CNN 模型的手写汉字识别正确率提高 1.66%,特别是对于变形的手写汉字,识别正确率提高 12.85%; 相对于传统的手写汉字识别方法,文中方法的识别错误率降低 36.47%,从而验证了文中识别方法的有效性.

关键词: 字符识别, 深度学习, 卷积神经网络, 弹性形变

Abstract:

In order to recognize similar handwritten Chinese characters effectively,a convolutional neural network(CNN) model is proposed,and the topology of the network model is presented.Then,the sample set is extendedby introducing a stochastic elastic deformation to enhance the generalization performance of the model.Experimen-tal results indicate that the recognition accuracy of the proposed CNN model is 1.66% higher than that of the tradi-tional CNN model,especially,for distorted handwritten Chinese characters,the recognition accuracy increases by12.85%; moreover,as compared with the traditional recognition methods,the proposed CNN model reduces therecognition error rate by 36.47%.It is thus concluded that the proposed method is effective.

Key words: character recognition, deep learning, convolutional neural network, elastic deformation

中图分类号: